你好，我是牛雨辰 👋

我是一个深度学习与计算机视觉领域的开发者，毕业于西交利物浦大学的数字媒体技术专业，专注于图像处理、目标检测和自注意力机制的应用。 本仓库汇集了我复现的多种经典深度学习模型的实现，包括传统目标检测模型、模型蒸馏、生成对抗网络（GAN）、注意力机制模型等。我专注于探索新技术，并迅速将研究成果应用于实际项目，特别是在目标检测和图像处理方面积累了丰富的经验。我具备强大的科研与创新能力，先后在 2024 年完成了两篇关于深度学习和计算机视觉的论文，展现了我的理论深度和出色的动手能力。此外，我积极参与多个深度学习项目，能够快速将想法转化为实际应用系统，体现了我在技术应用与项目开发中的实践能力。

当前项目

• 基于自注意力机制的跌倒检测模型：目前正在研究基于 Vision Transformer 的跌倒检测模型，利用自注意力机制优化检测性能。项目中使用了 UR Fall Dataset 进行模型构建和初步实验，并引入新的注意力机制来提升模型的检测准确率和响应速度。

项目经验

• 驾驶员注意力目标检测：基于深度学习的车外环境目标检测系统，使用 Mask-RCNN 和 Monodepth2 框架进行目标检测和三维深度估计。
• YOLO-Fall 跌倒检测模型：开发适用于开放空间和室内环境的跌倒检测系统，使用 YOLOv7 模型在不同环境下实现了准确可靠的检测。
• 单正例多标签学习（SPMLL）：提出了一种基于 GCN 和对抗训练的模型，用于图像事件识别，提供了新的数据集和基准测试结果。

技术栈

• 编程语言：Python, Java
• 深度学习框架：PyTorch
• 神经网络架构：
  • 卷积神经网络（CNN）：ResNet, DenseNet, AlexNet, VGG
  • 生成对抗网络（GAN）：DCGAN, CycleGAN
  • 图神经网络（GNN）：GCN, GAT
  • 自注意力机制与Transformer模型：ViT
• 工具与平台：Git, Docker，CUDA

学术成果

• YOLO-Fall 跌倒检测模型 (IEEE Access 2024)
• 单正例多标签学习在图像情境识别中的应用 (ACM WSDM 2025)